MétaCan
Menu
Retour à la cohorte
Enregistrement W3049354640 · doi:10.3389/fncir.2020.00044

New Optical Tools to Study Neural Circuit Assembly in the Retina

2020· review· en· W3049354640 sur OpenAlexafffund
Aline Giselle Rangel Olguin, Pierre‐Luc Rochon, Arjun Krishnaswamy

Notice bibliographique

RevueFrontiers in Neural Circuits · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRetinal Development and Disorders
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchConsejo Nacional de Ciencia y TecnologíaCanada Research ChairsAlfred P. Sloan Foundation
Mots-clésNeuroscienceNeuropilBiological neural networkRetinaSynapse formationSynapseProcess (computing)Laminar organizationBiologyComputer scienceCentral nervous system

Résumé

récupéré en direct d'OpenAlex

During development, neurons navigate a tangled thicket of thousands of axons and dendrites to synapse with just a few specific targets. This phenomenon termed wiring specificity, is critical to the assembly of neural circuits and the way neurons manage this feat is only now becoming clear. Recent studies in the mouse retina are shedding new insight into this process. They show that specific wiring arises through a series of stages that include: directed axonal and dendritic growth, the formation of neuropil layers, positioning of such layers, and matching of co-laminar synaptic partners. Each stage appears to be directed by a distinct family of recognition molecules, suggesting that the combinatorial expression of such family members might act as a blueprint for retinal connectivity. By reviewing the evidence in support of each stage, and by considering their underlying molecular mechanisms, we attempt to synthesize these results into a wiring model which generates testable predictions for future studies. Finally, we conclude by highlighting new optical methods that could be used to address such predictions and gain further insight into this fundamental process.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,048
Tête enseignante GPT0,307
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Neural CircuitsMême sujetRetinal Development and DisordersTravaux en français237 207